小知识：资源分配拒绝（DFS实现）dfs基本上与dfs求排列一致，不过在搜索过程我们加了剪枝操作，目的是避免不必要的搜

小知识，大挑战！本文正在参与「程序员必备小知识」创作活动

资源分配拒绝算法，又称银行家算法，用于在一种理论的情况下实现死锁的避免。

具体方法为，假设已知当前各个进程算需要的最大资源需求，当且已经分配给它的数量，以及资源总数量。需要找出是否有办法让所有的进程都完成运行，而不会死锁。（实际使用是求在是否能分配资源给进程，不过我们可以把已经分配的情况看作初始情况，这样就是前面说的过程）。

假设有方法可以满足要求的话，显然的是，进程运行完成的顺序会是一个排列。而排列是典型的dfs搜索问题。

我们假设我们的这些数据都是用numpy储存的，这样后续的条件检测好处理。（比如对于每个进程能否顺利运行，实际上是可用的资源向量和仍需要的资源向量的比较，而这些已分配，未分配之类的矩阵互相直接也是有算术关系的，借助numpy可以快速的求值）。具体到代码上是下面这样

def get_random_allocation(available, claim, kind, pid):
    alloc, = np.random.randint(0, min(available[kind], claim[pid][kind]) + 1, size=1)
    available[kind] -= alloc
    return alloc
# 生成初始状态
def gen_init_state(kind, p_count):
    resource = np.random.randint(3, 15, size=kind)
    available = np.array(resource)
    claim = np.asarray([np.random.randint(0, i + 1, size=p_count) for i in resource]).T
    allocation = np.asarray([
        get_random_allocation(available, claim, kind, pid)
        for pid in range(count)
        for kind in range(kinds)
    ]).reshape(count, kinds)
    return resource, available, claim, allocation
# 求解可行的分配序列
finished = [False] * 4 
temp = [0] * 4 
result = [] 
def get_array(loc, available, count): 
    if all(finished): 
        result.append(temp.copy())
    else:
        for pid in range(count): 
            if not finished[pid] and (need[pid] <= available).all(): 
                finished[pid] = True 
                temp[loc] = pid 
                get_array(loc + 1, available + allocation[pid], count) 
                finished[pid] = False

为了能够正常的演示，我们编写了一个随机生成初始状态的函数，先前也说过，分配需求之后的效果和初始状态去求可行序列，本质是等价的。

资源的分配也是尽量的随机，以模拟各种可能的状态。dfs基本上与dfs求排列一致，不过在搜索过程我们加了剪枝操作，目的是避免不必要的搜索。由于每个进程在运行完成之后，它占用的资源会被交换给系统，因此我们要把可用资源数量做修改，用于下一次检测。

至此，我们完成了银行家算法的实现。

小知识： 资源分配拒绝（DFS实现）

小知识：资源分配拒绝（DFS实现）